OpenAI 企業訊號報告：頂尖企業 AI 採用差距擴大至 8.3 倍

2026 年 8 月 12 日，OpenAI 發布了迄今為止最詳盡的企業 AI 採用研究報告，核心數據令人震驚：頂尖企業——每月 AI 使用量排名前 10% 的公司——每位活躍用戶產生的 Token 數量已達到一般企業的 8.3 倍。這個數字在 2026 年 1 月時僅為 2.6 倍。短短六個月內，差距擴大了超過三倍。

這份題為《從輔助到執行：企業如何讓 AI 真正落地》（From Assistance to Execution: How Enterprises Put AI to Work）的報告，基於 OpenAI 整個企業客戶群的匯總使用數據，並搭配一篇發表在 arXiv 上的學術工作論文（《代理式 AI 的轉變：來自 Codex 的證據》）。兩份文件共同描繪了 AI 在企業內部實際使用情況的最清晰圖像——不是高層口中說的使用方式，而是 Token 日誌所揭示的真實數據。

8.3 倍差距的驅動力

核心發現是：AI 採用正在兩極化。一小群頂尖企業正以驚人速度拉開領先差距，而多數公司仍停留在早期試驗階段。截至 2026 年 6 月，Codex——OpenAI 的代理式編碼與工作流工具——佔企業客戶 Codex 與 ChatGPT 合計輸出 Token 的 64%。由於代理式工作流執行的是更長、多步驟的任務，每次會話自然比典型的聊天機器人對話產生更多輸出。

這正是 OpenAI 所說的「從輔助到執行」的轉變。過去用戶會問 AI「如何準備簡報」，現在則直接要求代理從多個來源收集資訊並起草簡報本身。模型不再只是回答問題，而是在完成工作。

然而，僅憑訊息量無法解釋這道差距。OpenAI 先前的 B2B Signals 報告發現，訊息量僅佔 5 月觀察到的 3.5 倍差距中的 36%。其餘 64% 來自「深度」——AI 被嵌入實際工作流的程度、連接的工具數量，以及自動化的可重複流程數量。

工程部門以外正在快速追趕

報告中最令人意外的數據，或許是各部門 AI 使用量的增長速度。自 2026 年 2 月以來，企業 Codex 週活躍用戶按職能呈現截然不同的增長：

• 法務部門：108 倍增長
• 業務 / 客戶管理：41 倍
• 招聘：41 倍
• 行銷 / 公關：26 倍
• 醫療 / 臨床：24 倍
• 財務 / 會計：20 倍
• 工程：5 倍

工程部門 5 倍的增長在所有追蹤的職能中最慢——但這僅是因為工程師在六個月前已是 Codex 最重的用戶群。爆發性增長發生在 2 月時幾乎完全沒有使用代理式 AI 的部門。法務團隊尤其突出，從幾乎不使用 Codex，一躍成為增長最快的領域之一，這暗示合約審查、合規分析和法律研究等應用正在獲得實質的應用動能。

維珍航空（Virgin Atlantic）是報告中的案例之一。其工程團隊使用 Codex 將遺留程式碼重構的時間從兩週縮短至 30 分鐘，而產品團隊則利用 ChatGPT Work 將數週的競爭研究壓縮至數小時。維珍航空數據與 AI 副總裁 Richard Masters 表示：「Codex 的發展軌跡已超越了純粹的工程師範疇。它正在成為所有人的工具。」

整合能力才是真正的分水嶺

頂尖企業與一般企業的區別，不在於 AI 使用量的多寡，而在於如何將 AI 連接至既有系統。頂尖企業更積極使用 Plugins 與 Skills，這兩者都將 AI 代理連結到公司特定的資料來源、工具和可重複流程：

• Plugins：頂尖企業 21% 的週活躍用戶使用，一般企業僅 9%
• Skills：19% 對比 3%

作為對照，OpenAI 自身 95% 的員工每週都使用 Plugins。Skills 採用率的差距——19% 對 3%——尤為驚人。Skills 讓組織能定義自訂的、可重複的 AI 工作流，將機構知識編碼其中。頂尖企業不僅是更多地與 AI 對話，更是系統性地將 AI 構建到工作完成方式的結構之中。

關鍵在於，這種頂尖優勢跨產業和公司規模普遍存在。密集的 AI 使用並非科技公司的專利。醫療、金融和傳統企業都出現在頂尖梯隊中，這表明決定領先地位的是組織策略，而非產業別。

基層員工的 AI 使用量超過高層

一項發現幾乎推翻了所有 AI 採用的行業調查：部署六個月後，初級職員每週的 AI 使用量超過高層主管。大多數先前的研究——基於自我報告的調查數據——都顯示高階主管和管理者的使用率更高。OpenAI 的使用日誌卻說了不同的故事。

這項發現意義重大。調查數據可能系統性地高估了高階主管的 AI 使用——高層可能因壓力而報告了他們尚未完全內化的採用行為——同時低估了基層員工悄悄將 AI 整合到日常工作中的草根式採用。OpenAI 對領導者的建議是：找出擁有最強 AI 習慣的員工（他們可能是組織中最資淺的成員），讓他們的工作流程透明化，以便有效做法能在各層級間擴散。

OpenAI 沒有回答的成本問題

報告刻意迴避的是成本議題。數據顯示，深度 AI 採用與更強的財務指標之間存在相關性——企業採用者通常擁有更多資產、僱用更多員工、投入更多研發資金。但相關性不等於因果關係。這些報告發布的時機，正值企業 AI 支出面臨嚴格審查之際。

警示案例確實存在。據報導，Uber 在向約 5,000 名工程師推出編碼工具後，僅四個月就耗盡了 2026 全年的 AI 預算，其 COO 向 Fortune 表示，難以將不斷攀升的 AI 成本與可衡量的產品改進掛鉤。Gartner 預測 2026 年 AI 代理軟體支出將達近 2,070 億美元，較 2025 年的 864 億美元成長 139%——然而，真正進入生產環境的 AI 試驗專案仍然寥寥無幾。

OpenAI 的數據令人信服地證明頂尖企業正在拉開差距。但它尚未證明，達到那個水平所需的支出能夠自給自足。

對企業的意涵

OpenAI 報告傳遞的訊號十分明確：AI 領先者與落後者之間的差距正在擴大，而且速度極快。已將 AI 深度嵌入工作流程的組織正在複利式累積優勢——更多的整合、更多的 Skills、更多的代理式工作流，產生指數級增長的產出。

對於仍將 AI 視為實驗性副業的公司來說，追趕的窗口正在關閉。數據表明，通往頂尖之路不在於購買更多 AI，而在於將 AI 更深入地整合到少數幾個高影響力的工作流程中，將代理連接到真實的系統與資料，並將已驗證有效的做法制度化——不管這些做法最初來自組織架構的哪個層級。

接下來的六個月，將決定 8.3 倍的差距會繼續擴大，還是成本現實終將追上野心。